宏观因素对贷款企业违约率影响的实证分析

Ⅰ 从宏观分析，贷款利率的涨跌主要受哪些因素的影响

贷款利率的决定因素很多，从宏观分析，主要是有三个因素，第一是经济发展速度，第二个是M2，第三是基准利率的影响，下面分别来说：1、经济发展速度对贷款利率的影响贷款利率说到底是资金的成本，我们个人也好，企业也好，贷款的目的只有一个：赚钱！贷款然后进行投资，这个才是贷款最重要的目的，那么这个就存在一个投资回报的问题，如果贷款的利率比项目投资的收益率还高的话， 那么这种情况根本就不可能持续的。

3、受基准利率的影响我们知道基准利率是所有贷款利率的锚，这是利率之母，所以当基准利率变化的时候贷款利率也会跟着变动，当我们的经济体处于低迷的时候，往往是需要通过降低基准利率来引导市场贷款利率的下行，所以，在经济低迷的时候往往央行会选择降息。相反，当经济过热的时候，央行会通过加息以此来引导利率的上升，来增加融资的成本，基准利率是起到了重要的作用的，比如在2007年，因为当时经济过热，资本市场过热，于是中国不断的加息，但是在2008年遭遇金融危机的时候，央行又选择不断的降息，以此来刺激经济，促进经济的恢复。

Ⅱ 什么可以用来衡量企业的违约风险

资信评级是对经济主体和各类金融工具所负债务是否如约还本付息的能力和可信任程度的评价。在我国，当前有五家评级机构对企业债券和近40家评级机构对贷款企业的资信进行评级。评级结果表明：企业债券大都为AAA和AA级；贷款企业资信等级则大都呈正态分布。从各自评出的结果看，各家评级机构都会自认为是客观的。但对于市场的使用者和监管部门来说，如何鉴别此AAA就等同于彼AAA，此AAA就一定优于彼AA呢?如何比较和评价不同评级机构对同一评级对象的评级结果呢?那就需要有另一个可以对评级结果进行事后检验和比较的客观度量标准——违约率(Default Rate)。

违约率是指债务人未能偿还到期债务的实际违约情况。

违约概率(Probability of Default，PD)是预计债务人不能偿还到期债务(违约)的可能性。违约概率(PD)与违约率所不同的是：它是基于债务人历史和现实的实际违约情况作出的对未来一定时期(一般为一年)违约状况的判断。评级结果与违约率的对应关系是国际公认的事后检验评级机构评估质量标准的一项最重要的标尺。

在商业银行信用风险管理中，违约概率是指借款人在未来一定时期内不能按合同要求偿还银行贷款本息或履行相关义务的可能性。违约概率是计算贷款预期损失、贷款定价以及信贷组合管理的基础，因此如何准确、有效地计算违约概率对商业银行信用风险管理十分重要。

资信等级应有与之对应的违约率和违约概率才真正具有应用价值，才能作为衡量评级对象未来违约可能性和信用风险的工具。本质上，与资信等级对应的违约率和违约概率水平才真正代表资信等级所反映的风险状况。所以，缺少违约率统计数据的资信等级是不完整的、缺乏说服力的，只能对信用风险进行排序。但不同评级机构所设定的违约定义可能不同，所反映同一等级的质量也因此而不同。因此，只有违约定义相同的评级机构，其评级结果才可以进行比较，才能检验各自评级结果的“含金量”和质量差异。有了违约率指标的对比，就可以解释为什么违约率低的AA级要优于违约率高的AAA级了。有了对应违约率的资信等级才能真正成为决策的依据。

违约概率测度的作用

对商业银行信用风险管理而言，违约概率测度居于基础性地位，发挥着重要作用。

首先，这是进行信用风险管理的首要条件。作为测量信用风险的一种基本方法，信用评级的作用是建立在对借款人违约概率的测度基础上的。只有首先对借款人的违约概率作出科学测度，银行才能够精确地计算出预期损失的量，也才能够对客户信用状况作出客观、准确的评估，进而才能够保证商业银行信用风险管理的科学性与有效性。

其次，这是衡量不同评级体系优劣的客观标准。如果没有违约概率的测度，就难以衡量不同评级体系的优劣；如果回避严谨科学的违约概率测度，而仅仅追求评级指标体系的建设和评级方法的完善，就无法实现信用评级的现代化飞跃。违约概率测度是信用评级具备权威性和可操作性的灵魂，是衡量不同评级体系优劣的客观标准。

再次，这是提升商业银行风险管理素质的重要动力。实践经验表明，银行要成功地进行客户违约概率的测度，不仅要依托于先进统计模型和风险量化工具的科学运用，更离不开对现代商业银行经营管理规律的深入认识和科学把握，需要在管理的理念、体制、机制等方面都能够与之相适应，进而有力提升了商业银行风险管理的素质。

违约概率测度的方法

近年来，西方商业银行尤其是那些先进银行充分利用现代数理统计发展的最新研究成果，在客户违约概率测度上摸索出了很多方法，取得了很大的成就。综观违约概率测度的实践发展，其呈现出以下特征和趋势：从序数违约概率转向基数违约概率，违约概率的测度日臻具体化；从单个贷款的违约概率测度转向组合贷款的联合违约概率；从只考虑借款人自身的微观经济特征转向同时考虑宏观经济因素的影响；从基于历史数据的静态测度转向以预测为主的动态测度；从单一技术转向多元技术，违约概率测度的技术更加现代化和体现出多学科的交叉化，度量日趋科学化和精确化。

西方商业银行违约概率的测度方法可以概括为四大类：

1. 基于内部信用评级历史资料的测度方法，这是商业银行和评级公司根据长时间积累下来的信用等级历史资料，以历史违约概率的均值作为不同信用等级下企业对应的违约概率；

2. 基于期权定价理论的测度方法，这是美国KMV公司利用期权定价理论创立的违约概率预测模型——信用监测模型，也称KMV模型，是一种向前看的动态模型，主要适用于对公开上市公司的违约概率测度；

3. 基于保险精算的测度方法，是近几年把保险思想的工具用于估计预期违约概率；

4. 基于风险中性市场原理的测度方法，所谓风险中性市场，是指在进行资产交易的市场上，所有投资者都愿意接受从任何风险资产中得到与无风险资产的收益相同的预期收益，所有的资产价格都可以按照用无风险利率对资产预期的未来现金流量加以折现来计算。相比于历史上的转移概率，风险中性模型给出了前瞻性的违约预测。

国际上有代表性的信用风险评价模型在中国运用的局限性

我国加人WTO以来，加快了中国市场经济运行方式向国际接轨的步伐，中国资信评级业如何向国际接轨也受到了新的挑战。探索和选择国外且适合我国市场状况的评估模型势在必行，国内有部分学者对此也作了有益的研究。在这里，我们把部分学术界将国外有代表性的评估模型运用于中国市场进行实证研究后，将其所发现的问题和缺陷部分作一归集以利于后续的研究工作。

1、Z-Score信用风险评价模型

Z模型是通过选取五项关键性的财务比率并赋予其一定的参数(权重)来预测公司违约或破产可能性的方法。

其中：

X1=营运资金／总资产

X2=(未分配利润+资本公积)／总资产

X3=税息前收益／总资产

X4=股权的市场价值／债务的账面价值

X5=营业额／总资产

以Z值为临界值，若小于临界值将发生债务违约。

实证研究发现Z模型存在以下三个缺陷：一是该模型对上市公司中的少数几个行业具有准确性，许多行业的参数需调整。二是对非上市公司和小公司无法获得股权价值的数据，需要借助一些会计信息或其他指标来替代并通过对比分析才能最终得出期望的违约概率。这在一定程度上可能影响计算的准确性。三是需要在Z值的基础上按国内金融市场的状况作调整，但一般的决策者都无此能力。

2、KMV信用风险评价模型

KMV模型建立在期权定价理论之上，其出发点是基于这样的假设：公司的任何信息都可以在股票价格及其波动中得到体现，当公司股票的市场价值因波动而使预期的价值低于一定水平(违约点价值)以下时，公司就会对它的债务违约。该模型把持有的债权看作一个无风险的债权减去一个看跌期权，以此为基础计算出违约距离，并结合上市公司数据估计出经验违约概率。虽然KMV模型相对于以注重会计资料分析为基础的传统方法的违约概率估计体系具有更好的敏感性，但它的适应条件更严格。从结果上看，比较适用于资本市场成熟地区的上市公司。很显然，我国目前尚不具备推广KMV模型的条件。

3、CreditMetrics信用风险评价模型

该模型是基于这样的假设：某一特定时期内(通常为一年)债务组合价值的分布与将来债务人信用等级变化无关，信用等级迁移概率服从稳定的马尔科夫过程，即贷款或债券目前等级迁移与其过去的迁移概率不相关。虽然，该模型是目前被证明较为有效的信用风险模型，但还是存在若干尚需解决的问题：一是该模型假设贷款或债券目前等级迁移与其过去的迁移概率不相关。但实际的历史数据表明，一笔债务如果过去发生过违约事件，那么它目前等级下降的概率要比同一级别的没有发生过违约行为的要高；二是在计算债务的VaR值时，假设等级迁移概率矩阵是稳定的，即不同借款人之间、不同时期之间，其等级迁移概率是不变的。而实际上，行业因素、国家因素以及商业周期等因素会对等级迁移概率矩阵产生重要影响。三是CreditMetrics模型的违约模型和相关系数的度量是以期权定价理论为基础的，这对股票市场的成熟条件和数据的真实性有很高的要求。

4、神经网络模型

神经网络模型也是西方运用较广泛的估计违约概率模型，它依靠采集的数据，对大量的财务及相关信息进行数理统计分析，从而建立违约估计模型。这种模型在实证中仍存在局限性。一是随着技术创新及金融工具创新，使得财务报表上有限的数据越来越难以真实地反映企业的财务状况及经营结果，尤其是对于高新技术企业而言，非财务因素占据越来越重的分量；二是因国内企业会计信息失真现象还较为严重，使用失真的数据输入模型必然造成计算结果的偏差。

从对国外几种信用风险评价模型在我国的实证研究结果看，由于我国证券市场尚不成熟(公司的价值不能通过市场体现)，市场信息披露十分有限，财务数据真实性不高，没有可资评级机构使用的大容量的信用信息数据库等客观条件的制约，而无法“拿来”即用。但信用风险评价模型作为现代计量经济学的成果，在发达的市场经济国家的广泛运用证明了其客观性和科学性。我国的市场经济发展尚处于初级阶段，市场成熟度与发达的市场经济国家相比尚有很大的差距，上述评估模型在我国还缺乏运用的基础条件。

我国违约概率的研究与发展

对中国银行业来说，内部评级仅仅处于起步阶段，时间短且不规范，其中关于违约数据库、转移矩阵等方面的基础设施建设几乎空白，贷款企业信用评级更多地是用于客户的选择及风险的预警，尚未向更深层次的风险量化管理方向发展。为此，中国商业银行和评级公司应该积极创造条件，加强客户违约概率测度，以有效提升信用风险管理水平。

第一，结合巴塞尔新资本协议参考定义，科学界定企业违约概念。目前国内还没有一贯明确的企业违约标准，为了和国际标准接轨，建议中国银行业对企业的违约概念作如下界定：在一定期限内（通常为一年）企业的贷款业务中只要出现次级、可疑或损失贷款的任一种情况的，就算做违约企业。

第二，加快建立违约概率测度模型的基础设施——违约数据库。中国银行业可以通过企业财务数据过滤器的建立，对企业提交的财务报表进行真实性检验，建立合格的违约数据库，为测度违约概率打下坚实的基础。中国人民银行建立的《银行信贷登记咨询系统》为中国银行业提供了一个海量的贷款数据库的信息平台。国内银行可以此为基础，充分发挥该系统的数据资源优势，并不断完善系统信息，进而建立我国自己的违约数据库。

第三，加强违约概率测度模型的研究、开发和应用。基于中国银行业所处的经营环境，以及历史实践具有自身的特殊性，那些西方商业银行所能够应用的违约概率模型，却并不一定能够适合我国商业银行。但我们可以借鉴这些违约概率模型的测度思想、方法与过程，结合数据积累的情况实现由简单模型到复杂模型的过渡。比如，可以根据已有年份评级结果数据的积累，运用信用计量模型对已有年份的每一信用等级的转移概率和违约概率进行测度，进而形成内部的信用等级转移矩阵的测度，以后随着年份数据的增加，再不断调整。这样，经过一段时间的积累，就可以建立起我们自己的内部转移矩阵模型。

另外，结合我国贷款企业的实际信用情况，转移矩阵模型中各个信用等级违约概率测度除了要考虑行业因素、经济周期性因素的影响以外，还要考虑地区、规模以及企业所有制性质等因素的影响。

Ⅲ 违约损失率的研究现状

企业举债取得资金的主要渠道有直接融资和间接融资。直接融资的各项公司债具有次级市场价格，违约后可以通过该债务工具违约后一定时点的市场价格为基础估算违约损失率。对于间接融资，则需依靠银行积累的违约贷款数据资料来推估违约损失率。公开市场资料较易取得，因此违约损失率的研究也以此为基础发展起来。
Robert C. Merton于1974年发表的“on the Pricing of Corporate Debt: the Risk Structure of Interest Rates”一文是现代信贷违约概率和回收率分析的理论基础文章。 其不足之处是没有解决信用资产质量的实际观测问题，在实证中的应用受到限制，这也是模型诞生后大量后续工作的重心所在。
针对Merton（1974）模型在实证应用领域的困难，有若干文献尝试提供变通的解决办法。Crouhy和Galai(1997)将不能直接观测的Merton（1974）模型表达为信贷违约概率和回收率的函数，从而使信用风险管理的核心简化为对PD和LGD的观测分析，产生了较大影响。
观测度量金融工具LGD的途径大致有三类（刘宏峰，杨晓光，2003）: Market LGD（市场LGD,以实际违约事件发生后违约债券或可交易贷款的市场价格为依据）；Workout LGD（清算LGD，清算及追讨过程产生的一系列现金流估计值的现值与风险暴露的比值）； Implied Market LGD（市场隐含LGD，利用资产估价模型，按同类未违约债券的利差与价格计算）。事实上，基于债券二级市场或贷款二级市场（如证券化的个人住房抵押贷款）的实证研究较多，而对普通的银行贷款的实证研究很少，其原因一是研究方法的复杂性，二是数据的非公开性。
1、美国市场的研究
由于数据获得性的原因，目前的文献以美国市场为研究对象的居多。
Asarnow及Edwards (1995)使用违约事件发生后产生的所有经济损失衡量银行贷款的预期损失。其以花旗银行1970——1993年间一般工商业贷款及受监控贷款（Structured loans）共831个违约样本计算出的LIED分别为34.79%和12.75%。研究的一个重要发现就是其分布为“双模型分布”（bi-model)，样本集中在高、低两端。
Carty及Lieberman（1996）以穆迪公司1989-1996年间58例优先担保违约银行贷款为对象，根据其次级市场交易价格进行实证研究，结果表明平均回收率为71%，中位数为77%，标准差为32%。研究未观察到“双模型分布”（bi-model)，但发现回收率明显向高端偏离。
Hamilton及Carty（1999）以市场法求算159家破产案例为研究样本的偿还率，结果平均偿还率为56.7%，中位数偿还率为56%，标准差则为29.3%。
Gupton、Daniel Gates及Carty于2000年采用121例违约贷款样本的研究结果表明：优先担保和优先未担保的银行贷款违约时平均价值分别为69.5%和52.1%，但实践经验中对这些平均价值的偏离也是显著的。
Gupton和Stein（2002）首次推出了一个市场价值预测基础上LGD预测模型LossCalc ，该模型是一个关于美国债券、银行贷款和优先股LGD的多因素统计模型。
Til Schuermann（2004年）介绍了穆迪公司1970－2003所有债券和贷款的回收率分布，并对双峰分布的形成原因进行了解释。
Michel A., M. Jocobs Jr., P. Varshey (2004)采用JP摩根·大通1982-1999年间的贷款损失历史资料（共3761例违约客户）对LGD进行研究，平均会计LGD 和经济LGD 分别为27.0%和39.8%。该研究同时对抵押贷款LGD进行了分析。通过对1982年1季度至1999年4季度共1705个样本的研究，抵押贷款（1279个样本）的LGD均值为27.7%，标准差35.3%，无抵押贷款LGD均值40.3%，标准差42.5%，研究公布了不同类型抵押物LGD均值和标准差。
2、其他市场的LGD实证研究
花旗银行的Hurt和Felsovalyi(1998)对拉丁美洲1970－1996年27个国家的1149笔银行贷款研究显示，平均违约回收率为68.2%，LGD呈偏态分布，宏观经济和贷款金额是回收率的影响因素之一，金额越大，回收率越低；
La Porta等人（2003）研究了墨西哥的关联借款的PD和LGD，1995－1999年非关联借款的平均回收率为46%，而关联借款为27%。分布显示LGD向高端偏离。
台湾徐中敏（2004）以台湾联征中心库1996－2002年银行借款企业户违约资讯进行了LGD实证研究，以年营业收入500万欧元为划分标准，小于此标准的小型企业（样本数16454个）LGD均值为75%，中位数88%，大于标准的大中型企业（样本数84个）LGD均值为84%，中位数92%。
标准普尔Franks 等人（2004）使用了英国、法国、德国约8000个原始数据进行了研究，数据时段为1993－2003（法国）、1996－2003（德国）、1997－2003（英国）。数据显示，英国回收率明显高于法国，略高于德国。法国回收率分布呈明显“双模型分布”，英、德呈偏态分布。
Grunert和Weber(2005)研究了1992－2003年120家德国公司的违约损失率数据。数据显示，回收率均值为72.45%，方差为35.46%，回收率分布明显向高端偏离；报告还研究了宏观经济、行业、贷款条件和税务政策的影响。
以上研究报告均只公布了经过深度加工的结论性数据，原始数据、模型参数等均未公布，且均未见专门的抵押贷款的LGD研究报告。 由于国内公司债券市场不发达，银行违约贷款回收数据系统研究时间起步时间不长，国内关于违约损失率的研究理论介绍较多，有影响的实证数据稀少。主要有：
1、四大资产管理公司的相关数据。国内华融等四大资产管理公司公布的资产回收资料，可作为研究国内贷款违约损失率的间接资料。2004年我国四大金融资产管理公司资产处置结果为资产回收率 26.60%现金回收率20.16% 。
2、其他研究。张海宁（2004）以191个中国大型商业银行信贷项目作为样本（时点为1998年）（涉及贷款本金266.29亿元，利息77.08亿元）进行的实证研究显示平均回收率为33%，最大值80%，最小值为0。
2004年5月28日 ，建行通过国际竞标方式进行账面价值为40亿元人民币抵押贷款不良房地产抵贷资产的拍卖，花旗银行、德意志银行、雷曼兄弟、摩根大通、摩根斯坦利等15家机构参与竞标，最终中标综合资金回收率为34.75%。

Ⅳ 金融学专业本科毕业论文，想写商业银行的不良贷款影响因素的实证分析

总体社会经济情况，行业情况，最好把经济周期也写进去；信用环境，个体信息的不充分性及风险认识不准确性，内部控制机制不完善。实际上就是风险管理的主要内容。

Ⅳ 宏观经济政策对信贷的影响

中国宏观经济政策对我国股市的影响，除开舆论导向和政府直接干预外，其主要、有效地途径是从紧缩银根入手的，也就是利用后壁政策来调控股市的，就此问题论述如下：
一、货币政策工具可分为以下三类：
（1）常规性货币政策工具，或称一般性货币政策工具。指中央银行所采用的、对整个金融系统的货币信用扩张与紧缩产生全面性或一般性影响的手段，是最主要的货币政策工具，包括存款准备金制度，再贴现政策和公开市场业务，被称为中央银行的“三大法宝”。主要是从总量上对货币供应时和信贷规模进行调控；

（2）选择性的货币政策工具，是指中央银行针对某些特殊的信贷或某些特殊的经济领域而采用的工具，以某些个别商业银行的资产运用与负债经营活动或整个商业银行资产运用也负债经营活动为对象，侧重于对银行业务活动质的方面进行控制，是常规性货币政策工具的必要补充，常见的选择性货币政策工具主要包括：证券市场信用控制、不动产信用控制、消费者信用控制。

（3）补充性货币政策工具，除以上常规性、选择性货币政策工具外，中央银行有时还运用一些补充性货币政策工具，对信用进行直接控制和间接控制。补充性货币政策工具包括：
①信用直接控制工具，指中央银行依法对商业银行创造信用的业务进行直接干预而采取的各种措施，主要有信用分配、直接干预、流动性比率、利率限制、特种贷款；
②信用间接控制工具，指中央银行凭借其在金融体制中的特殊地位，通过与金融机构之间的磋商、宣传等，指导其信用活动，以控制信用，其方式主要有窗口指导、道义劝告。

07年度下半年国内面临物价上涨，通胀压力加大的危机，其原因是：
1、供需失衡，比如食品行业 这是需求拉动型的通胀 ；
2、成本拉动，比如原油铁矿等国际价格上升，国内这些行业的价格上涨；
3、国内投资过热，大量流动性流向楼市股市，流动性过剩导致通胀压力加大；
4、国际贸易失衡，巨额顺差的长期存在，外汇占款严重，RMB投放过多；
5、RMB升值预期使得大量国际资本流入国内；

08年度国家采用的货币政策，在治理物价上涨主要表现在：
1、通过信贷结构调整 推动产业结构调整。
大力发展农业 尤其是集约型农业 提高农产品产量 加强信贷支持三农的力度；
坚决执行节能减排 限制“两高”行业的发展 鼓励新能源新技术的发展 以减少对国外能源资源的依赖 发展绿色信贷；减少对房地产业的贷款，抑制楼市的涨幅过快，使其健康稳定发展，防止经济泡沫；
2、控制信贷规模 加强额度管理 控制流动性。
紧缩性的货币政策正在执行，上调存款准备金率、利息、发行央票等等，回收流动性优化信贷结构，多向中小企业、新兴行业企业倾斜，以消化掉相对过剩的流动性；
3、通过税收等财政手段以及汇率手段来改善国际贸易失衡局面，如降低出口退税率，升值人民币等，改变巨额顺差的局面，减少外汇占款，改善流动性过剩局面；
08年度通过这些财政政策的调控，物价的膨胀得到较好的抑制，楼盘的价格也有大幅度回落，虽然调控也带来一些负面的影响，如股市大跌、中小企业贷款困难，导致国民经济发展速度下降，但对应通货膨胀来说还是利大于弊的。
以上资料希望对你有帮助。

Ⅵ 违约损失率的影响因素

由于LGD的大小不仅受到借款企业的因素影响，而且还同贷款项目的具体设计密切相关，所以，影响LGD的因素比影响PD的因素更多、更加复杂。具体而言，影响LGD的因素包括以下四个主要方面： 这类因素直接与贷款项目的具体设计相关，反映了LGD的项目相关特性，也反映了银行在具体交易中通过交易方式的设计来管理和降低信用风险的努力。这类因素具体包括清偿优先性(Seniority)、抵押品等。
清偿优先性是债务合同规定的债权人所拥有债权的重要特性，是指在负债企业破产清算时债权人从企业残余价值中获得清偿时相对于该企业其他债权人和股东的先后顺序。在美国等发达市场经济国家，金融市场多年的发展已经形成了一系列企业破产清算时清偿先后顺序不同的金融产品，包括从抵押贷款到普通股票 ，并形成了相关的法律规范。美国破产法中的“绝对优先规则”(Absolute Priority Rule, APR)规定，破产企业的价值按照清偿优先性的先后顺序依次分配给不同的资本供应者，在较低级的债权人得到任何分配之前较高级债权人应该得到全部清偿，而所有债权人也同样应该在股东得到任何分配之前得到全部清偿。
显然，贷款合同中要求借款企业提供特定的抵押品使得抵押贷款的清偿优先性得以提高，在借款企业一旦破产清算时可以使得银行提高回收率，降低LGD。当然，利用抵押有效降低LGD的前提是银行对抵押品要进行有效的管理，国家也应该有一个有效的司法系统来保障银行对抵押品的获取、变现和价值回收。此外，除了传统的抵押品，银行也正在通过金融创新发展其它防范或转嫁企业违约后损失的方法，如信用衍生产品等。这些技术被新巴塞尔资本协定称为风险缓释技术，并通过予以不同的LGD数据被纳入到新的资本监管框架。 宏观经济的周期性变化是影响LGD的重要因素。Frye利用穆迪评级公司的债券数据研究表明，经济萧条时期的债务回收率要比经济扩张时期的回收率低三分之一。Altman,，Brady，Resti 和Sironi的研究以及Hu和Perraudin的研究都表明，经济体系中的总体违约率(代表经济的周期性变化)与回收率呈负相关的关系。
上述四个方面的因素共同决定了LGD的水平及其变化，但其分别对LGD的影响程度是有差异的。根据穆迪公司2002年在其LGD预测模型LossCalc的技术文件中披露的信息表明，清偿优先性等项目因素对LGD的影响贡献度最高，为37%左右；其次是宏观经济环境因素，为26%左右；再次是行业性因素，为21%左右；最后是企业资本结构因素，为16%左右。

Ⅶ 违约概率的方法

近年来，西方商业银行尤其是那些先进银行充分利用现代数理统计发展的最新研究成果，在客户违约概率测度上摸索出了很多方法，取得了很大的成就。综观违约概率测度的实践发展，其呈现出以下特征和趋势：从序数违约概率转向基数违约概率，违约概率的测度日臻具体化；从单个贷款的违约概率测度转向组合贷款的联合违约概率；从只考虑借款人自身的微观经济特征转向同时考虑宏观经济因素的影响；从基于历史数据的静态测度转向以预测为主的动态测度；从单一技术转向多元技术，违约概率测度的技术更加现代化和体现出多学科的交叉化，度量日趋科学化和精确化。 西方商业银行违约概率的测度方法可以概括为四大类：
1. 基于内部信用评级历史资料的测度方法，这是商业银行和评级公司根据长时间积累下来的信用等级历史资料，以历史违约概率的均值作为不同信用等级下企业对应的违约概率；
2. 基于期权定价理论的测度方法，这是美国KMV公司利用期权定价理论创立的违约概率预测模型——信用监测模型，也称KMV模型，是一种向前看的动态模型，主要适用于对公开上市公司的违约概率测度；
3. 基于保险精算的测度方法，是近几年把保险思想的工具用于估计预期违约概率；
4. 基于风险中性市场原理的测度方法，所谓风险中性市场，是指在进行资产交易的市场上，所有投资者都愿意接受从任何风险资产中得到与无风险资产的收益相同的预期收益，所有的资产价格都可以按照用无风险利率对资产预期的未来现金流量加以折现来计算。相比于历史上的转移概率，风险中性模型给出了前瞻性的违约预测。

Ⅷ 谈谈你对中小企业贷款银行面临的风险的看法 急急急。。。。。

我国中小企业银行融资效益与风险的比较分析

1、贷款定价的一般论述

由于不具备从银行总体效益角度分析中小企业贷款因素影响显著程度的公共数据条件，国外文献常用的整体效益分析方法受到限制，因此，本文从微观入手，直接从贷款成本与风险计量及贷款定价的组成结构对中小企业贷款的效益与风险特征进行分析。

根据贷款定价的基本理论，贷款定价涉及信贷业务的资金成本、经营成本、税负成本、风险成本和资本成本等多种要素，还要充分考虑市场竞争情况以及与客户谈判地位等因素，才能最终确定贷款利率。贷款定价的理论公式为：

贷款目标利率＝资金成本率＋经营成本率＋税负成本率＋预期损失率＋经济资本目标利润率＋/－竞争性浮动。其中，预期损失率和经济资本回报率的确定是贷款定价的关键和难点。

银行贷款定价实践中常用的方法，主要有成本定价和基准利率定价两种 [4]，其中成本定价公式为：

公式1：贷款价格=资金成本+风险成本+营运成本+预期收益率

基准利率定价公式为：

公式2：贷款价格=基准利率+违约风险溢价+期限风险溢价

成本定价是商业银行最传统的贷款定价方式，而基准利率定价是国际商业银行运用最广泛的贷款定价方法。我国利率市场化的推进，大大促进了我国贷款定价理论的发展和实践的探索。

如果我们将公式2中的“基准利率”定义为“资金成本+营运成本+预期收益率”，或将公式1中的“风险成本”定义为“违约风险溢价+期限风险溢价”，则这两个公式实际上表达了相同的含义。

2、中小企业贷款的风险特征分析——违约率和违约损失率相对较低衡量贷款风险成本的主要指标是贷款预期损失率，预期损失率=违约率×违约损失率。

（1）中小企业贷款违约率分析

中小企业贷款一般均为抵押、担保贷款。与西方发达国家政府担保机构在中小企业贷款担保中发挥重要作用不同，尽管我国中小企业信用担保制度建设从1992年就开始起步，10年后《中小企业促进法》也已正式实施，但目前我国担保机构（包括政府参与出资及未参与出资的所有担保机构）在解决中小企业融资困难中发挥的作用仍然十分有限。林平、袁中红（2005）2004年对广东中小企业融资抽样调查的结果表明（数据截至至2004年6月30日），有61%的企业从来没有与担保机构发生过关系；调查的全部56家担保机构中，政府完全出资的仅为3家，占比仅为5.36%，政府参与出资的6家，占比10.71%；905笔中小企业银行融资中，抵押贷款810笔，占比89.5%，信用担保机构担保贷款95笔，占比10.5%；信用担保贷款中，66.1%的担保人通过借款人反担保等（主要是抵质押）进行风险补偿。这样，中小企业贷款实际上95％以上进行了直接或间接的抵押（或质押）。因此，本文重点对抵押贷款进行分析。

银行对中小企业普遍采用抵押或信用担保机构担保方式发放贷款，是在信息不对称情况下抑止融资企业道德风险与逆向选择、降低小企业贷款违约率的关键之一。蓝虹、穆争社（2004）从理论上分析了融资企业抵押贷款偿还模型：

Π＝f（L）－（1+R）L

（1+R）L其中Π为融资企业的利润，L为贷款额度，R为贷款利率，f（L）表示所获收益是融资额度L的函数，C为抵押品价值。由于（1+R）L小于C，融资企业选择不还贷时的机会收益小于机会成本，因此足额抵押情况下偿还贷款是融资企业的占优选择，抵押贷款可以缓解在非对称信息条件下银行所担心的融资企业的逆向选择和道德风险，在很大程度上降低违约率。

实际数据也在很大程度上支持了以上的理论分析的结论。根据2003年底中国人民银行在全国东、中、西部六个城市（北京、浙江温州、台州、广东东莞、陕西西安、山东威海）的1105户中小企业融资状况问卷调查结果，中小企业平均有5.4%的贷款不能偿还，存在形成坏账的风险 [6]，明显低于同期全国金融机构不良贷款率水平（2004年一季度为16.6%）。笔者小范围的调查也表明，对同样信用等级的客户，小企业贷款 的违约率整体低于其他贷款 .同时，笔者也注意到，小企业贷款的不良率也呈现明显的地区与行业差别，即并不是所有分行、所有行业小企业贷款不良率均低于其他客户的不良率。

由于笔者暂时没有获得有足够代表性的实证数据，以证明小企业贷款违约率与相同信用等级的其他客户违约率存在显著差别，因此，本文从谨慎性出发，假定整体而言，小企业贷款客户违约率与其他相同信用等级客户违约率无显著区别。

在这样谨慎性的假设情况下，贷款风险成本的区别主要在于违约损失率的区别。

（2）小企业贷款违约损失率分析

小企业贷款基本都是抵押或信用担保机构担保贷款，而较大型企业的信用贷款占相当比例。国内外已有研究表明，对同样信用等级的客户，抵押贷款的违约损失率低于信用贷款。从谨慎起见，我们假定较大型企业也全部为抵押贷款。因此，我们只比较小企业抵押贷款与较大型企业抵押贷款的违约损失率。

从理论上分析，与小额抵押物相比，大额抵押物价值评估技术难度更大，评估时更易受借款人有意识的影响，同时处置大额抵押物时市场需求者数量明显减少，需求方议价能力和议价意愿明显增强，因此，整体而言，单个抵押物价值越高，银行快速处置时可能的损失率应越高。笔者的实证研究也表明 [7]，总体来看，抵押物的回收率与抵押物金额大小成反比。考虑到小企业单笔贷款金额总体而言低于其他贷款，因此，其违约损失率理论上应低于相同信用等级的其他贷款，实证研究也可作如此假设。

经验数据显示，某行信用等级为A＋、A级的法人客户平均不良率约分别低于1％、2％，而全部小企业贷款（AA-以上客户比例约为20%，全部为抵押贷款或信用担保机构担保贷款）的不良率平均仅为0.13%；违约损失率均低于50％。本文按谨慎性原则估算，将A＋、A级的小企业客户平均违约率分别取1％、2％，违约损失率取50％，则A＋、A级的小企业客户预期损失率分别为0.5％与1％，约分别相当于当前短期贷款利率的10％、20％。

3、小企业贷款银行营运成本相对较高

徐洪水（2001）认为，银行对中小企业贷款的信息成本和管理成本是大企业的5-8倍，即使贷款利率上浮30%，对中小企业的综合融资成本依然很高[8].但该文没有提供具体的分析过程，没有进行更有说服力的具体的数据对比分析。郑文红、李健（2002）提出，银行交易成本=搜寻成本+谈判成本+监督成本+其他交易费用[9].该文也只提出了上述思辨式的公式，没有进行进一步的分析，也没有提供具体的成本数据。

为方便分析，本文将营运成本划分为信贷营运成本和其他营运成本两类，并假定小企业与其他企业的非信贷营运成本没有显著区别，而信贷营运成本则包括信息成本、管理成本等与信贷业务直接相关的一切成本。

由于小企业每户贷款金额较小（平均每户贷款金额在500万元或以下，如广东地区某银行小企业户均贷款450万元），因此，相应的信贷营运成本明显高于大、中型客户贷款。以某一级分行为例，全行贷款余额在500万元以上的大、中法人客户为3000多户，户均贷款余额为6750万元，户均贷款余额为小企业贷款余额的15.9倍；其中贷款余额在3000万元以上的大客户为1100多户，户均贷款余额为16154万元，户均贷款余额为小企业贷款余额的38.1倍；因为户均贷款差距巨大，为简化分析，我们将大、中型客户贷款业务的信贷营运成本忽略不计，单独分析、估算小企业贷款的信贷营运成本。

在户均贷款约为500万元的情况下，按平均每名小企业信贷人员（含一线客户经理和二线审批、监测等人员）管理6户企业谨慎测算，平均每名信贷人员管理的小企业贷款为3000万元，同时假设平均一名小企业信贷人员的工资、费用等信贷营运成本为15万元/年，则相应的小企业贷款单位信贷营运成本为：

15/3000＝0.005＝0.5％

即约为短期贷款基准利率的10％。

4、小企业贷款效益比较分析

为便于比较，我们选择AAA级客户作为比较的基准，即设定其风险成本为0，单位贷款的信贷营运成本也可忽略不计，因此，按贷款定价公式的贷款利率（最优惠利率）为：

RAAA＝资金成本＋其他营运成本＋预期收益率

如该利率为基准利率下浮10％或3％（参考深圳分行实际情况），则该银行信用业务的最优惠利率（资金成本＋其他营运成本＋预期收益率）为基准利率下浮10％或3％。

对小企业贷款的定价，应在此基础上进行对应的风险与成本的调整。在上述AAA级客户贷款定价的基础上，A+级小企业客户应再加0.5％（A级小企业客户为加1％）的预期风险损失、0.5％的信贷营运成本，即A+级小企业贷款执行基准利率上浮10（A级小企业客户上浮15％）或基准利率上浮17％（A级小企业客户上浮22％）即可实现不低于AAA级客户的效益水平。

与相同信用等级的其他客户比较，小企业贷款定价不需要进行风险调整，但应作成本调整，即利率定价应附加多余的信贷营运成本，约为0.5％，即在相同信用等级客户贷款利率基础上再上浮10％。

林平、袁中红（2005）2004年对广东地区（主要是珠三角地区）中小企业银行融资抽样调查的抵押贷款平均利率为基准利率上浮20%.2004年10月人民银行将小企业贷款的上浮利率范围由30%扩大到70%，据笔者了解，此后广东地区国有银行小企业贷款利率的主要区间为基准利率上浮20－45％。

综上，可以认为，在坚持管理要求不降低的前提下，谨慎考虑，对经济发达地区而言，经过风险与成本调整后的小企业贷款利率（以A＋级为例）在基准利率上浮约20％时，小企业贷款整体的效益性大致与其他优质贷款相当；贷款利率（以A＋级为例）在基准利率上浮约30％时，小企业贷款的效益性好于其他贷款；贷款利率（以A＋级为例）在基准利率上浮超过30％时，小企业贷款的效益性明显好于其他贷款。但由于小企业贷款违约率及违约损失率的地区与行业差别很大，对具体的地区与行业尚需具体分析、估算。

Ⅸ 为什么中小企业贷款的违约率更高

中小企业融资难问题一直是中小企业发展的一大困难。中小企业由于自身规模小，现金流容易出现紧张甚至断裂的情况，因此，如何盘活资金成为了中小企业最为关注的问题。供应链金融是以供应链真实交易背景为基础产生的。它不同于以往的传统银行借贷，能够较好的解决中小企业因为经营不稳定、信用不足、资产欠缺等因素导致的融资难问题。
传统的银行借贷对企业以往的财务信息进行静态分析，依据对授信主体的孤立评价做出信贷决策，因此，银行并没有把握住中小微企业真实的经营状况。相反，供应链金融评估的是整个供应链的信用状况，加强了债项本身的结构控制。供应链金融在真实交易的前提下，以大企业的信息优势来弥补中小企业的信用缺失，从而全面提升了产业链中的中小企业信用水平和信贷能力。供应链金融的本质是信用融资，在产业链中发现信用。
目前供应链金融属于新兴金融，能不能把供应链金融做好，跟服务企业对于产业的了解，对风险的控制能力，与银行的战略合作关系等等都有直接关系。比如云图的供应链金融，核心是风控和大数据管理能力。开展供应链金融必须具备对行业的了解、融资方式的理解、风险的识别、金融产品和方案的设计等综合能力，唯数据论、唯端口论等都是不行的

Ⅹ 信用分析的现代信用分析方法

20世纪80年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，工程化的思维和技术逐渐被运用于信用风险管理的领域，产生了一系列成功的信用风险量化管理模型。现代信用风险的计量模型按其计量的风险层次分为三种类型：一是单个交易对手或发行人的计量模型，二是资产组合层次的计量模型，三是衍生工具的计量模型。
交易对手或发行人层次的计量模型
（一）基于期权定价技术的风险计量模型。
Merton发现银行以折现方式发放一笔面值为d的贷款所得到的支付和卖出一份执行价格d的看跌期权所得到的支付相等。因此有风险贷款的价值就相当于一个面值为d 的无违约风险贷款的价值加上一个空头卖权。贷款的卖权价值取决于5个变量，即企业资产的市场价值、企业资产的市场价值的波动性、贴现贷款的面值、贷款的剩余期限以及无风险利率。
基于企业的市场价值和其波动性的不可观测性，1995 年美国KMV公司开发了KMV模型，该模型又称为预期违约概率模型( expected default frequency，简称edf )，模型使用企业股权的市场价值和资产的市场价值之间的结构性关系来计算企业资产的市场价值；使用企业资产的波动性和企业股权的波动性之间的结构关系来计算企业资产的波动性，同时统计在一定标准差水平上的公司在一年内破产的比例，以此来衡量具有同样标准差的公司的违约概率。
该模型是实际中应用最为广泛的信用风险模型之一。该模型理论依据在很多方面与Black-Scholes (1973)，Merton(1974)以及Hull和White（1995）的期权定价方法相似。其基本思想是，当公司的价值下降至一定水平时，企业就会对其债务违约。根据有关分析，KMV发现违约最频繁的分界点在公司价值等于流动负债±长期负债的50%时。有了公司在未来时刻的预期价值及此时的违约点，就可以确定公司价值下降百分之多少时即达到违约点。要达到违约点资产价值须下降的百分比对资产价值标准差的倍数称为违约距离。违约距离=（资产的预期价值－违约点）/资产的预期价值×资产值的波动性。该方法具有比较充分的理论基础，特别适用于上市公司信用风险。
KMV模型的优点在于其将违约与公司特征而不是公司的初始信用等级联系在一起，使其对债务人质量的变化更加敏感；同时，它通过股票价格来测算上市公司的预期违约概率，因而市场信息也能被反映在模型当中，使其具有一定的前瞻性，模型的预测能力较强；并且，由于该模型使用的变量都是市场驱动的，表现出更大的时变性，因此持有期的选择比信用度量术模型更加灵活。
（二）基于风险价值var的信用度量模型。
var是指在正常的市场条件和给定的置信水平上，用于评估和计量金融资产在一定时期内可能遭受的最大价值损失。在计算金融工具的市场风险的var时，关键的输入变量是金融资产目前的市场价格和波动性。由于贷款缺乏流动性， 因此贷款的市场价值和波动性不能观测。
JP Morgan（1997）银行开发了信用度量制（credit metrics™） 系统，该系统解决了诸如贷款和私募等非交易性资产的估值和风险计算。该方法基于借款人的信用评级、信用转移矩阵、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，推断个别贷款或组合的var，从而对贷款和非交易资产进行估价和信用风险评价。
信用度量制模型的优点在于其第一次将信用等级转移、违约率、违约回收率、违约相关性纳入了一个统一的框架来度量信用风险。该模型适用于商业信用、债券、贷款、贷款承诺、信用证、以及市场工具（互换、远期等）等信贷资产组合的风险计量。但该模型在应用中存在以下问题：违约率直接取自历史数据平均值，但实证研究表明，违约率与宏观经济状况有直接关系，并非固定不变，假定资产收益服从正态分布，但实证研究表明实际分布多呈现厚尾特征；关于企业资产收益之间的相关度等于公司证券收益之间的相关度的假设有待验证方法计算结果对于这一假定的敏感性很高。
（三）基于保险精算的creditrisk +系统。
Credit Suisse First Boston(CSFB，1997)银行开发的信用风险附加（creditrisk +）系统的主导思想源于保险精算学，即损失决定于灾害发生的频率和灾害发生时造成的损失或破坏程度，它不分析违约的原因，而且该模型也只针对违约风险而不涉及转移风险，特别适于对含有大量中小规模贷款的贷款组合信用风险分析。
该方法基于这样一些假设：贷款组合中任何单项贷款发生违约与否是随机的；每项贷款发生违约的可能性是独立的，因而这个方法假设贷款组合中单项贷款的违约概率分布服从Possion分布。信用风险附加模型的优点在于，它只要求有限的输入数据，基本上只有贷款组合中各组的贷款违约率、违约率波动率和风险暴露，因此贷款损失很容易计算。
（四）以宏观模拟为基础建立的Creditportfolio View系统。
该信用组合观点系统由mckinsey公司开发（Wilson，1997），它是一个违约风险的宏观经济模拟系统。由于商业周期因素影响违约的概率，麦肯锡公司将周期性的因素纳入计量模型中，该系统在credit metrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系方法化，并通过Monte Carlo法模拟周期性因素的“冲击”来测定评级转移概率的变化，分析宏观经济形势变化与信用违约概率及转移概率的关系，进而分析不同行业或部门不同信用级别的借款人的信用风险程度。
该模型的优点在于其将各种影响违约概率和信用等级变化的宏观因素纳入了自己的体系之中，并且给出了具体的损失分布，能够刻画回收率的不确定性和因国家风险带来的损失；对所有的风险暴露都采用盯市法，更适用于对单个债务人和一组债务人进行信用风险度量。其主要适用于对对宏观经济因素变化敏感的投机级债务人的信用风险度量。
资产组合层次的计量模型
现代资产组合理论（MPT）表明适当地利用资产之间的相关关系可以有效地降低风险并改善资产组合的风险－收益状况。然而流动性很差的贷款和债券组合存在着收益的非正态性、收益和相关系数的不可观测性等问题，这使得资产组合理论不能简单地运用这些组合中去。收益的非正态性使得基于两矩（均值和方差） 而构建的资产组合理论只有增加偏度和峰度两矩才能较好地进行描述。历史价格和交易数据的缺乏造成了使用历史的时间序列数据计算收益率、方差以及收益之间的协方差和相关系数变得极为困难。资产组合层次的信用风险计量模型正是通过克服这些问题而发展起来的。这类模型大体上可以分为两大类：一类是寻求计算证券组合的全部风险－收益的交替关系，如KMV的资产组合管理模型；另一类是集中风险维度和组合的var计算，如Creditmetrics资产组合模型。
衍生工具的信用风险计量模型
衍生工具可以可分为利率衍生工具和信用衍生工具。前者按其风险－收益特性可以分为对称性衍生工具，主要是指远期、期货和互换，而期权属于非对称性衍生工具，其风险－收益特征表现出典型的非线性。而后者主要通过采用分解和组合技术改变资产的整体风险特征，如信用互换、信用期权以及信用远期等。
衍生工具的信用风险与表内业务存在许多区别。首先，合约的无违约价值对交易对手而言必须为负值；其次，交易对手一定处于财务困境之中；再次，在任一违约概率水平上，衍生工具结算一般采取轧差方式，其违约遭受的损失往往低于同等金额的贷款违约的损失；最后，银行和其他金融机构都是用其它许多机制来降低违约的概率和损失。鉴于此，研究者相继提出许多计量模型，但主要集中在互换和期权两类衍生工具上。
信用衍生产品的定价是信用风险管理研究领域的难点问题。目前，学术界和实务界主要有三类定价信用衍生产品的方法：基于保险理论的定价，基于复制技术的定价和基于随机模型的定价。在基于保险理论的定价方法中，保险公司承担了投保人的信用风险，因而必须得到一定的保险费作为补偿。这种定价方法是一种基于保险公司历史违约数据库的统计方法，应用范围很窄，只能对存在历史违约数据的信用衍生产品提供保险。而基于复制技术的定价需要逐一确定投资组合中所有头寸的价值，对于结构复杂的信用衍生产品来说，这种技术很难实现。基于随机模型的定价是现在的主流方向，其中强度模型和混合模型的应用十分广泛。